《Genomics & Informatics》：Experimental benchmarking of in silico annotations at prostate cancer risk loci and hypothesis-generating cross-cancer prioritisation of ovarian risk variants
编辑推荐：
全基因组关联研究（GWAS）已鉴定出大量前列腺癌和卵巢癌非编码风险变异，但确定其中哪些具有调控活性以及它们控制哪些靶基因仍具挑战性。研究人员在错误发现率（FDR）控制下，重新分析了三种前列腺癌细胞系中208个双等位基因前列腺癌风险单核苷酸多态性（SNPs）的双
全基因组关联研究（GWAS）已鉴定出大量前列腺癌和卵巢癌非编码风险变异，但确定其中哪些具有调控活性以及它们控制哪些靶基因仍具挑战性。研究人员在错误发现率（FDR）控制下，重新分析了三种前列腺癌细胞系中208个双等位基因前列腺癌风险单核苷酸多态性（SNPs）的双核苷酸条形码大规模并行报告基因分析（DiR-seq），在FDR < 0.10时鉴定出50个调控性SNP（30个在FDR < 0.05），其中9个由至少两种细胞系共享。以该实验性基准真值对标准计算机模拟（in silico）功能注释进行基准评估，显示预测性能较差（交叉验证受试者工作特征曲线下面积（ROC-AUC）= 0.55–0.59），表明计算预测不能可靠替代实测等位基因活性。因此，研究人员将卵巢分析视为假设生成性。聚合注释证据优先筛选了176个卵巢癌GWAS先导变异中的44个（31个独立位点）；由21个SNP（17个位点）组成的核心在替代权重、留一特征评分和阈值变化下保持稳定，候选变异富集于卵巢和输卵管调控染色质（优势比（OR）= 7.9，FDR = 5 × 10?5）。候选基因的拷贝数复发在两个肿瘤队列间一致（Spearman ρ = 0.75，95%置信区间（CI）0.46–0.88），但不高于染色体臂匹配的对照基因，因此该观察为探索性。使用完整汇总统计的正式共定位支持17p13.3处前列腺癌风险与TLCD3A表达共享因果变异（共定位后验概率4（PP.H4）= 0.92），而卵巢17q21.31信号无法解析至单一基因。两种癌症中均被破坏的转录因子基序在干扰素调节因子（IRF）和信号转导与转录激活因子（STAT）家族中过度代表（FDR = 3 × 10?6），这是一个基序水平假设。在原代卵巢上皮细胞的独立大规模并行报告基因分析（MPRA）中，破坏干扰素刺激应答元件（ISREs）的变异在等位基因特异性活性方面呈耗竭而非富集（4.6% vs 9.2%；OR = 0.47，名义p = 0.06，FDR = 0.10），因此IRF/STAT假设未获支持；同一分析确认一个优先卵巢候选rs2976384具有等位基因特异性活性（偏斜 = ?0.67，FDR = 3 × 10?5）。这些结果提供了经审核的前列腺调控性SNP目录，量化了基于注释的精细定位的局限，并提供可检验的跨癌种假设。
研究背景方面，全基因组关联研究（GWAS）已定位大量上皮恶性肿瘤易感位点，但多数性状相关变异位于非编码区，难以确定因果等位基因、调控活性及靶基因。前列腺癌和卵巢癌均为激素驱动恶性肿瘤，具有重叠的流行病学和遗传风险架构，并存在HNF1B等跨组织多效性位点。大规模并行报告基因分析（MPRA）可高通量实测等位基因特异性活性，但既往前列腺癌DiR-seq分析采用未校正统计阈值，且领域内常依赖计算机模拟（in silico）注释进行精细定位，而这类注释很少以实验真值进行基准评估。基于此，研究人员重新分析前列腺癌DiR-seq数据，在错误发现率（FDR）控制下建立调控性单核苷酸多态性（SNP）目录，评估注释预测能力，并将框架转移至卵巢癌GWAS位点，开展跨癌种综合并在独立MPRA中检验干扰素调节因子（IRF）/信号转导与转录激活因子（STAT）假设。研究提供了经审核的前列腺调控性SNP目录，量化了基于注释精细定位的局限，并提出可检验的跨癌种假设。
关键技术方法概述（不超过250字）：研究人员重新分析GEO GSE165765中22Rv1、PC-3和LNCaP细胞系的DiR-seq数据，以MPRAnalyze进行似然比检验并用Benjamini–Hochberg控制FDR，以limma交叉核验；使用motifbreakR、Ensembl VEP、GTEx表达数量性状基因座（eQTL）和GWAS Catalog注释，并以弹性网和随机森林进行基准评估；对卵巢GWAS先导SNP进行聚合证据评分和距离聚类；利用TCGA-OV与GSE41253分析拷贝数和生存；采用coloc.abf和coloc-SuSiE，结合GTEx v8/eQTL Catalogue及1000 Genomes phase 3欧洲样本连锁不平衡参考进行共定位；并重新分析GSE183301原代前列腺和卵巢上皮细胞MPRA。
结果部分：3.1 数据组装与质量控制确认分析可重复性：通过解析条形码计数表、排除偏倚文库并检查重复一致性，研究人员获得627个条形码、22个文库且无缺失的矩阵，重复相关性在22Rv1约0.99、PC-3约0.94、LNCaP为0.76–0.95，并重现rs684232报告信号。3.2 严格等位基因建模识别多细胞系调控性SNP目录：通过FDR控制等位基因分析，鉴定50个调控性SNP（FDR < 0.10），其中43个在22Rv1、16个在PC-3、4个在LNCaP；9个为共享核心，39个细胞系特异，2个共享但方向不一致；FDR < 0.05时保留30个。3.3 计算机模拟功能注释对实验等位基因活性预测较差：通过注释特征训练分类器，交叉验证ROC-AUC仅0.55–0.59，加入细胞类型匹配的表观基因组轨道仅边际改善，说明通用甚至匹配注释对MPRA等位基因活性预测较弱。3.4 聚合注释证据生成卵巢风险位点假设：通过对176个卵巢GWAS先导SNP进行五分制聚合评分和聚类，优先筛选44个候选（31个独立位点），其中21个SNP（17个位点）为对权重、留一特征和阈值稳健的核心；候选富集于卵巢和输卵管调控染色质（OR = 7.9，FDR = 5 × 10
?5；稳健核心OR = 16.9），但该富集与评分所用Ensembl调控特征部分非独立。3.5 候选基因位于复发改变区域，但不高于匹配对照基因：通过TCGA-OV和GSE41253分析，候选基因净拷贝数改变在队列间相关（ρ = 0.75，95% CI 0.46–0.88），但与全部基因（ρ = 0.66）及染色体臂匹配随机基因集（中位ρ = 0.64）相似，故为探索性；生存分析无基因通过多重校正，HAGLROS仅名义显著（p = 0.007，FDR = 0.30）。3.6 跨癌种综合生成共享IRF/STAT基序破坏假设：通过交叉比较破坏的转录因子基序，共享部分由IRF1/2/3/4/7/8/9和STAT2主导（FDR = 3 × 10
?6），18个风险SNP破坏这些基序并常命中多因子ISRE盒，风险等位基因方向不一致，形成基序水平假设。3.7 多效性位点与旗舰位点的正式共定位：通过连锁不平衡分析发现10个共享位点（r
2 ≥ 0.2），7个强连锁不平衡（r
2 ≥ 0.8），包括TERT、8q24/MYC、HNF1B等；正式共定位支持17p13.3处rs684232与TLCD3A表达共享因果变异（PP.H4 = 0.92）及GEMIN4较弱支持（PP.H4 = 0.77），而原发VPS53 eQTL信号不同（PP.H3 = 1.00），但次级VPS53可信集与GWAS可信集重叠（CLPP = 0.17）；卵巢17q21.31信号因倒位单倍型广泛连锁不平衡无法解析至单一基因。3.8 原代上皮细胞独立MPRA支持一个卵巢候选但不支持干扰素假设：通过GSE183301原代卵巢上皮细胞MPRA，确认rs2976384等位基因特异性活性（偏斜 = ?0.67，FDR = 3 × 10
?5），但破坏ISRE的SNV在等位基因特异性活性上呈耗竭而非富集（4.6% vs 9.2%；OR = 0.47，名义p = 0.06，FDR = 0.10），IRF/STAT假设未获支持；跨平台与DiR-seq一致性低，16个共享SNP中仅rs11704416在GSE183301中具等位基因特异性且非DiR-seq调控性。
讨论部分总结：研究人员强调50个前列腺癌风险SNP在至少一种细胞系中具有稳健等位基因特异性调控活性，而标准注释即使结合细胞类型匹配表观基因组也仅略优于随机，凸显实验验证必要性。跨癌种综合显示HNF1B、TERT等位点多效性，但区域重叠不等于共享因果变异；正式共定位支持TLCD3A和GEMIN4为rs684232靶基因，原发VPS53 eQTL由不同变异驱动。卵巢候选虽位于复发拷贝数改变区域，但候选基因并不比匹配对照更一致，不能推断胚系风险变异促使体细胞改变。IRF/STAT基序过度代表可能部分反映位置权重矩阵冗余，且原代卵巢上皮细胞MPRA未支持ISRE破坏变异更活跃；跨平台低一致性可能反映细胞背景、报告基因设计和共享SNP效应小。局限性包括卵巢精细定位仍为假设生成、部分候选依赖评分选择、仅11个卵巢先导SNP可实验评估、17q21.31倒位单倍型连锁不平衡限制共定位、弱eQTL无法进行coloc-SuSiE、连锁不平衡参考样本较小、跨队列拷贝数一致非候选特异、无生存关联通过FDR校正，以及游离型MPRA缺乏内源染色质背景。未来需组织匹配等位基因特异性结合分析、CRISPR内源增强子扰动、体内验证和Hi-C空间邻近分析。
研究结论翻译：本研究提供了一个经FDR控制的前列腺癌调控性SNP目录，并显示计算机模拟（in silico）注释作为实测增强子活性替代指标的明显局限。聚合注释证据生成了一组稳健的假设生成性卵巢候选，其中一个在独立分析中显示等位基因特异性活性，正式共定位支持TLCD3A和GEMIN4为rs684232前列腺风险位点的靶标。跨癌种综合识别了共享多效性位点和预测的IRF/STAT基序特征，但该特征未获实验支持。这些发现强调，在复杂疾病位点的功能精细定位中需要背景特异性实验验证。
